使用一种新的声线跟踪模型来预测稳态声场的能量分布，声场空间分布能通过一次仿真就得到预测并成像．接收球在这种方法中没有被使用，因为预测的目标不是一个点而是整个三维空间．首先建立一个三维的能量数组以模拟整个声空间，该数组的行数，列数和层数分别与声空间的宽，长和高成正比．能量数组中的每一个元素被用于记录声空间中某一个小立方体的声强，而该元素在数组中的位置与该立方体在声空间中的位置相同．每根声线的传播路径都被跟踪，其传播路径将被离散化为一系列均匀分布而又密集的节点，每个节点的坐标都被计算出来以找到能量数组中位置相同的元素，该节点的声强将被记录在它所对应的数组元素中．当全部声线都被跟踪完毕时，声强空间分布就已经建立在能量数组中了．某一个平面内或某一条线上的声强级和声...

轴流风扇被广泛应用于如刀片服务器等机械设备的通风散热中,在工作时风扇旋转形成的湍流与自身以及固壁发生耦合作用,进而诱发气动噪声.湍流尺度极小,稳定性差,所以对气动噪声模型的数值计算需要耗费大量的计算资源.将人工神经网络与传统的数值模拟方法相结合,首先基于k-ε两方程模型求解纳维-斯托克斯方程得到轴流风扇的流场解,再通过FW-H声类比理论得到其声场解,然后对轴流风扇搭建人工神经网络模型,同时在声远场选取气动噪声声压级样本点,通过BP神经网络算法进行学习,最后利用训练好的人工神经网络模型对轴流风扇工作时的噪声场进行预测,实现了良好的预报效果.该方法可以有效节省计算资源,在工业上有一定的应用价值.